Tables の概要

データセットを改善しながら、モデルの予測を理解する

W&B Tables を使用すると、表形式データを可視化してクエリできます。たとえば、次のことが可能です。

• 同じテストセットに対する異なるモデルの性能を比較する
• データ内のパターンを特定する
• モデルの予測サンプルを視覚的に確認する
• クエリして、頻繁に誤分類される例を見つける

上の画像は、セマンティックセグメンテーションとカスタムメトリクスを含む表を示しています。この表は、W&B ML Course のサンプルプロジェクトで確認できます。

​

仕組み

表 は、各列が単一のデータタイプを持つ二次元のデータグリッドです。表 では、プリミティブ型や数値型に加えて、ネストされたリスト、辞書、リッチメディアタイプもサポートしています。

​

表をログする

数行のコードで表をログできます。

• wandb.init(): 結果をトラッキングするための run を作成します。
• wandb.Table(): 新しい表オブジェクトを作成します。
  • columns: 列名を設定します。
  • data: 表の内容を設定します。
• run.log(): 表をログして W&B に保存します。

import wandb

with wandb.init(project="table-test") as run:
    my_table = wandb.Table(columns=["a", "b"], data=[["a1", "b1"], ["a2", "b2"]])
    run.log({"Table Name": my_table})

​

はじめ方

• クイックスタート: データテーブルをログし、データを可視化し、データをクエリする方法を学びます。
• Tables Gallery: Tables の使用例を確認してください。